跳到主要内容

从传比特到传意思 — 语义通信

这一章讲三件事: 传统通信理论的账本漏了哪一项; 「先理解再传」怎么把带宽和能耗一起省下来; 这套想法怎么落到物理层——用 Walsh 系数直接整形频谱。 原书这部分在 ch4 尾声,篇幅不长,但它是全书「嵌入 AI」叙事的通信侧终点: 设备算得越懂,需要传的就越少。

1. 香农的账和韦弗的账​

先立靶子。 1948 年以来,整个通信行业的账本由香农(Shannon, 信息论创始人)记:通信的任务是把比特从 A 完整搬到 B,衡量标准是误码率 (BER,传错比特的比例)——越低越好1。原书对现状的描述: 传统无线系统从硬件到协议(通信双方事先约定的规矩),都是「为搬运高精度原始数据而设计、配置」的, 追求极低 BER,传的是「原始数据」,而不是「一种智能能读懂的知识」1。

靶子之外是另一种账。原书把它追溯到韦弗(Weaver):通信其实有三层问题—— 技术上怎么传准(香农层)、传的符号指什么(语义层)、传了对方怎么用(效用层)。 香农解决了第一层,后两层一直被当作「接收方自己的事」2。

为什么今天后两层突然有资格上台? 因为发送方和接收方都可能带着神经网络了 (第 04 章刚看过跑在入耳机里的识别模型)。原书引用的研究方向 (Strinati 与 Barbarossa 等人的「6G:超越香农,走向语义与目标导向通信」) 把这个转折说破:当通信双方能「理解」内容,传输就应该为「意思」服务, 而不是为「比特」服务2。

2. 主走查:同一段信息的两种发法​

拿一个具体任务把两种账本各算一遍。 场景:边缘设备(比如一个监控节点) 拍到了一段视频,要告诉远处的接收方「视频里有什么」。两种发法:

  发法 A:香农式「传原始数据」
      视频 → 压缩成码流 → 高精度调制 → 极低误码率送达 → 接收方自己看/自己识别
      成本:带宽 = 整段视频;发射功耗 = 误差率每降一个数量级就要再涨一截

  发法 B:韦弗式「先理解再传」
      视频 → 设备端神经网络先看懂:「识别出:一只鸟,在第 3 秒出现」
           → 只传这句「意思」(几百比特,而非整段视频)
      成本:带宽缩掉几个数量级;发射时间短,能耗跟着缩

  图说:发法 A 传「像素」,发法 B 传「结论」。差别不在压缩算法,
  在「发送方多做了一步理解」——这一步正是嵌入 AI 提供的。
  两框里的量化对比见下一节书里给的量级。

这个走查里真正新的只有一件事: 发法 B 的「理解」这一步, 只有在设备端有了 AI 之后才成立。传统发射机不敢替接收方做减法, 因为发射机「看不懂」视频;今天的边缘设备看得懂了。这就是原书说的 「AFTER:先理解,再传输」:语义抽取(从内容里提炼意思)和语义映射(把意思对应到要发送的符号上)能让通信更省、更自适应, 传统的「完美调制、高精度接收」整套优先级被倒转3。

书里给的收益量级:研究趋势指向「智能且自主的无线电」, 能耗除以 1000 到 100004。这个数要配上参照物读:它不是某一环节的优化, 而是「不传无用数据」叠加「边缘就地处理、少走网络」的总账—— 第 09 章会从计算侧再算一次类似的账,两笔账最后汇进同一块电池。

3. 边缘优先于云​

「先理解再传」改变的不只是链路,还有拓扑。 原书对 6G 之后的网络的判断 是一句话:把「边缘」置于「云」之上(优先)——在 sub-THz 频段上分布式组网, 好处原书列了三项:增加容量、降低时延、改善能效,外加适合短距传输类应用5。

为什么边缘赢: 数据就地处理,就不必把原始数据拖过整张网络 ——第 2 节发法 B 省下的带宽,在这里变成省下的骨干网容量和端到端时延。 原书同时点了技术瓶颈(sub-THz 硬件还难)与范式需求 (「需要范式转变:彻底新架构与新技术」)5—— 方向已定,零件还在造。这正好呼应全书链条:第 05-07 章那些器件、测量、电路, 就是这个「零件还在造」的现场。

4. 落到物理信道:Walsh 与 OSDM​

「传意思」最终还是要变成无线电波。 原书给的落地方案叫 OSDM(正交序列分割复用):一种调制方案,用 Walsh 系数—— 第 07 章那组方波积木的系数——按约束直接整形频谱, 比传统方式更灵活、更高效地适配信道6。

「正交」=积木之间互不串扰(乘起来为零),所以各路信号可以叠在一起发、 干干净净分开收;「复用」=同一块频谱同时服务多路。

这套方案连接两层的样子:语义层决定「哪些系数承载接收方需要的意思、 哪些可以压低甚至丢弃」,物理层用 Walsh 基把决定落到波形上7。 最后一块拼图是语义优化:发送双方共享的语义库随使用不断更新—— 原书拿人际关系打比方:两个人相处越久,说话越省——「老朋友一个词顶陌生人一段话」。 通信系统同理,用得越久,共同「词汇」越多,每次要传的比特越少8。

判断(我们的,不是书里的): 「语义库随使用变准」有一个隐含前提—— 双方的模型要同步更新,否则一方「省话」另一方就听不懂。 这是分布式机器学习问题,比通信问题更难;书里没有展开这一层。 如果错,会错在: 如果实际系统靠固定的大型预训练(先在海量数据上练好、再拿来用)模型承担「共同词汇」, 那么省的不是「学习」,是「传输」——量级仍成立,机制不同。

5. 可带走的​

  1. 香农的账本只记「比特传得准」(误码率),不记「传得值不值」——这是语义层、效用层的事;
  2. 「先理解再传」成立的前提是发送方有 AI:看得懂,才敢替接收方做减法;
  3. 书里的能效量级:智能自主无线电,能耗除以 1000-10000——参照物是「不传无用数据+边缘就地处理」的总账;
  4. 拓扑随之改变:边缘优先于云,容量、时延、能效三项一起改善;
  5. 物理层落点:OSDM 用 Walsh 系数按语义约束整形频谱——第 07 章的方波积木在这里接上语义;
  6. 语义库随使用越学越准(「老朋友一个词顶一段话」);但模型同步是隐含难题,书里没展开。

6. 原文地图​

主题原书章原文位置
传统系统传原始数据、极低 BERConnecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:519(搜「very low Bit Error Rate」)
智能自主射频、能耗 ÷1000-10000Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:513(搜「1000 to 10000」)
边缘优先于云(sub-THz)Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:508(搜「Edge」)
语义通信:意义与相关性优先Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:544(搜「semantic」)
神经网络抗噪、省带宽Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:548(搜「robustness to noise」)
Strinati 语义/目标导向通信引用Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:525(搜「Semantic and Goal-Oriented」)
OSDMConnecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:554(搜「Orthogonal Sequences-Division Multiplexing」)
BEFORE:传而不懂Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:563(搜「without-understanding」)
AFTER:先懂再传Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:574(搜「Understand-then-transmit」)
Shannon vs Weaver 对照Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:584(搜「Shannon and Weaver」)
语义到物理信道(Walsh 转换)Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:601(搜「From Semantic to Physical」)
语义优化与人际关系比喻Connecting Intelligencestext/09-ch04-chapter-4-connecting-intelligences.txt:610(搜「Semantic optimization」)

Footnotes​

  1. 出处:「Connecting Intelligences」第 519 段(text/09-ch04-chapter-4-connecting-intelligences.txt:519,搜「very low Bit Error Rate」)。原文:传统无线通信系统为搬运极高精度的原始数据设计硬件与配置(极低误码率 BER),而非为「可被智能(如自然智能)解读的知识」而设计。 ↩ ↩2

  2. 出处:「Connecting Intelligences」第 525 段(text/09-ch04-chapter-4-connecting-intelligences.txt:525,搜「Semantic and Goal-Oriented」)。原文引用 E. Calvanese Strinati 与 S. Barbarossa《6G networks: Beyond Shannon towards Semantic and Goal-Oriented Communications》(Computer Networks, 2021)。 ↩ ↩2

  3. 出处:「Connecting Intelligences」第 563 段(text/09-ch04-chapter-4-connecting-intelligences.txt:563,搜「without-understanding」)与第 570 段(搜「Understand-then-transmit」)。原文:对照香农式「不经理解地传输」(重完美调制与高精度接收)与韦弗式语义模型(重所传信息的意义与效用);语义抽取与映射带来更高效、更自适应的传输。 ↩

  4. 出处:「Connecting Intelligences」第 513 段(text/09-ch04-chapter-4-connecting-intelligences.txt:513,搜「1000 to 10000」)。原文:研究趋势朝智能与自主无线电——极能效(能耗除以 1000 到 10000)、信息处理尽可能贴近人或机器、需要彻底新架构与技术的范式转变。 ↩

  5. 出处:「Connecting Intelligences」第 508 段(text/09-ch04-chapter-4-connecting-intelligences.txt:508,搜「Edge」)。原文:6G 网络分布式化,在 sub-THz 上优先「边缘」而非「云」:增容量、降时延、提能效,适合短距传输应用;但存在技术瓶颈。 ↩ ↩2

  6. 出处:「Connecting Intelligences」第 554 段(text/09-ch04-chapter-4-connecting-intelligences.txt:554,搜「Orthogonal Sequences-Division Multiplexing」)。原文:OSDM 用 Walsh 系数组合按特定约束整形频谱,带来更大的灵活性与效率。 ↩

  7. 出处:「Connecting Intelligences」第 601 段(text/09-ch04-chapter-4-connecting-intelligences.txt:601,搜「From Semantic to Physical」)。原文:把语义理论落进物理通信系统:Walsh 转换与射频信号处理负责语义概念与可传输信号(及其逆)的翻译。 ↩

  8. 出处:「Connecting Intelligences」第 610 段(text/09-ch04-chapter-4-connecting-intelligences.txt:610,搜「Semantic optimization」)。原文:通信系统随时间学习与适应以最大化效率;拿人际关系类比——共同知识积累让沟通策略不断精化。 ↩